ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

Save this PDF as:

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ"

Transkript

1 ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

2 TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki tek bir eleman dahi işlemin dışında kalır ise elde edilen sonuç parametre olarak kabul edilemez. ÖRNEK İSTATİSTİĞİ (PARAMETRE TAHMİNLEYİCİSİ): Bir örneğin sayısal betimsel ölçüsüdür ve örnekteki gözlemlerden hesaplanır. Diğer bir deyişle bilinmeyen bir parametrenin sayısal değerini bulabilmek (tahminlemek) için kullanılır.

3 PARAMETRE VE ÖRNEK İSTATİSTİKLERİ İÇİN ÖRNEKLER Parametre Anakütle ortalaması Anakütle Medyan M Anakütle Varyansı Anakütle Standart sapması Anakütle Oranı Örnek istatistiği Örnek ortalaması Örnek Medyanı m Örnek Varyansı s Örnek Standart sapması Örnek Oranı ˆ s p

4 Bir Populasyon Parametresi Hakkında En Geniş Bilgiyi Hangi Örnek İstatistiğinin İçerdiğine Nasıl Karar Verilecek? Örneğin anakütle ortalaması için Aritmetik ortalama Geometrik ortalama Harmonik ortalama Medyan vb. örnek istatistiklerinden hangisi tercih edilmelidir.

5 Örnek 1 a Bir zar atılışında üst yüzdeki sayıyı göstersin. E()= anakütle parametresini (anakütle ortalamasını) bulunuz P() 1/6 1/6 1/6 1/6 1/6 1/6 P() 1/6 /6 3/6 4/6 5/6 6/ E( ) P( )... 3,

6 Örnek 1b Ancak bu değerinin bir an için bilinmediği ve bunu tahmin etmek için populasyondan 3 örnek alındığını varsayılsın.

7 Zar 3 kez atılsın ve örnek sonuçları; 1 =, =, 3 =6 elde edilsin. n ,333 ve m= hesaplanabilir. = m= X=3.3 SONUÇ: değeri değerine daha yakındır.

8 Zar 3 kez daha atılsın ve örnek sonuçları; 1 =3, =4, 3 =6 elde edilsin. 13 4,3 ve m= m SONUÇ: m değeri değerine daha yakındır.

9 Örnek İçin Yorum 1. Örnekten hesaplanan örnek istatistikleri (tahminleyiciler) birer şans değişkenidir.. Ne örnek aritmetik ortalaması Ne de örnek medyanı (m), populasyon ortalamasına daima daha yakındır denilemez. Sonuçların genellenebilmesi için örnek istatistiklerinin dağılışına gerek duyulmaktadır.

10 ÖRNEKLEME DAĞILIMLARI Anakütleden n adet ölçümden 1,, n oluşan bir örnekten alınmış olsun. Anakütledeki eleman sayısı N olsun. Anakütleden alınabilecek her biri n adet eleman içeren tüm N mümkün örnek sayısı: k n

11 ÖRNEKLEME DAĞILIMLARI Bu koşullar (N, n) altında hesaplanabilecek örnek istatistiği sayısı k adettir. Örnek istatistiğinin anakütlesindeki eleman sayısı k olur. Örnek verilerinden hesaplanan bir örnek istatistiği için elde edilen bu anakütle örnekleme dağılışı olarak adlandırılır.

12 ÖRNEKLEME DAĞILIMLARI Örnekleme dağılımı bu istatistiğin bir olasılık dağılışıdır. Örnekleme dağılımı anakütledeki eleman sayısı N ve n örnek hacminin bir fonksiyonudur.

13 ÖRNEK Büyük bir populasyondan alınmış 3 ölçümün (0, 3, 1) olasılık dağılışı aşağıdaki gibidir P() n = 3 a) Örnek ortalaması ( ) nın örnekleme dağılışı b) Örnek medyanı (m) nın örnekleme dağılışını bulunuz. DİKKAT: ANAKÜTLEDEKİ ELEMAN SAYISI N BİLİNMİYOR. FAKAT ŞANS DEĞİŞKENİNİN OLASILIK DAĞILIMI P() BİLİNİYOR.

14 Mümkün Örnekler m Olasılık p= / n ( tek sayı gelmesi durumu) /7 0/ /7 1/ /7 0/ /7 1/ /7 / /7 1/ /7 0/ /7 1/ /7 0/ /7 1/ /7 / /7 1/ /7 / /7 3/ /7 / /7 1/ /7 / /7 1/ /7 0/ /7 1/ /7 0/ /7 1/ /7 / /7 1/ /7 0/ /7 1/ /7 0/3 5

15 ÖRNEK Aritmetik Ortalama Örnekleme Dağılışı P Medyan Örnekleme Dağılışı m P (m)

16 ÖRNEK İSTATİSTİKLERİNİN- TAHMİNLEYİCİLERİN ÖZELLİKLERİ sapmasızlık minimum varyanslılık Eğer bir tahminleyici bu iki özelliği de sağlıyor ise buna en iyi tahminleyici-etkin tahminleyici denir.

17 SAPMASIZLIK Eğer örnek istatistiğinin örnekleme dağılışının anakütle ortalaması populasyon parametresine eşit ise bu istatistiğe parametrenin sapmasız tahminleyicisi denir. E ˆ

18 : Parametre A, B : İstatistik f(a) için sapmasız örnek istatistiği A f(b) Sapma B için sapmalı örnek istatistiği

19 ÖRNEK 3 Sapmasızlık Anakütle ortalaması için aritmetik ortalama sapmasız fakat medyan sapmalı bir tahminleyicidir. E Em P(X) Sapmasız Sapmalı A C m X

20 ÖRNEK 3: Örnek verileri için aritmetik ortalama ve örnek medyanının tahminleyici özelliklerini araştırınız.

21 ÖRNEK 3: Aritmetik ortalama, anakütle ortalamasının sapmasız bir tahminleyicisi midir? P() 1/3 1/3 1/3 N E i1 P( ) i i

22 ÖRNEK 3: P 1/7 3/7 3/7 1/7 3/7 6/7 3/7 3/7 3/7 1/7 E P( ) i i i1 N

23 ÖRNEK 3: Sonuç: E olduğundan aritmetik ortalama (tahminleyici), anakütle ortalamasının (parametrenin) sapmasız bir tahminleyicisidir.

24 ÖRNEK 3: Sonuç: Em olduğundan örnek medyanı (tahminleyici), anakütle ortalamasının (parametrenin) sapmalı bir tahminleyicisidir.

25 MİNİMUM VARYANSLILIK Anakütle parametresi olsun. Parametrenin tahminleyicileri; ˆ 1 olsun. Eğer, V ise ˆ ˆ V i j i j 1,..., k 1,, ˆ k ˆi tahminleyicisi parametresinin minimum varyanslı tahminleyicisidir.

26 ÖRNEK: MİNİMUM VARYANSLILIK Anakütle parametresi (anakütle ortalaması) olsun. Parametrenin alternatif tahminleyicileri; ˆ 1 ˆ GO. ˆ 3 HO. ˆ 4 m olsun. V V m V G. O V H. O tahminleyicisi parametresinin minimum varyanslı tahminleyicisidir.

27 ÖRNEK: ETKİN TAHMİNLEYİCİ Anakütle parametresi (anakütle ortalaması) olsun. Parametrenin alternatif tahminleyicileri; ˆ 1 ˆ GO. ˆ 3 HO. ˆ 4 m olsun. E ve.. V V m V G O V H O tahminleyicisi parametresinin etkin tahminleyicisidir.

28 ÖRNEK: ETKİN TAHMİNLEYİCİ P(X) Ortalamanın örnekleme dağılışı B A Medyanın örnekleme dağılışı X

29 ÖRNEKLEME DAĞILIMI ÖRNEK HACMİNİN BİR FONKSİYONUDUR Örnek Hacmi büyüdükçe tahminleyicinin varyansı küçülür. P(X) Büyük örnek hacimli durum A B Küçük örnek hacimli durum X

30 E m ÖRNEK 3: Örnek medyanı m, anakütle ortalamasının sapmasız bir tahminleyicisi midir? m P(m) 7/7 13/7 7/ mip mi i Em

31 ÖRNEK 3: Aritmetik ortalama, anakütle ortalamasının Minimum Varyanslı bir tahminleyicisi midir? P() P() E i P( i) 3 V E E

32 ÖRNEK 3 Aritmetik ortalamanın varyansı i P 7 i i i P i 909 E i P i 7 ( ) ( ) V E E 909 (5) 7 =8,66

33 ÖRNEK 3 Örnek medyanının varyansı m i P(m i ) m i m i P(m i ) m m i P mi E m V m E m E m ( ) ( ) (4.56) =

34 Sonuç: V V m ÖRNEK 3 Aritmetik ortalama, anakütle ortalamasının Sapmasız ve Minimum Varyanslı bir tahminleyicisidir.

35 BEKLENEN DEĞER VE VARYANS OPERATÖRLERİNİN ÖZELLİKLERİ BEKLENEN DEĞER OPERATÖRÜ E(.) Şans değişkeni anakütle ortalaması ve anakütle varyansı olsun. a ile b birer sabit sayı olmak üzere, E(a)=a E(a)=aE()=a E(a+b)=aE()+b=a+b

36 BEKLENEN DEĞER VE VARYANS OPERATÖRLERİNİN ÖZELLİKLERİ VARYANS OPERATÖRÜ V(.) Şans değişkeni anakütle ortalaması ve anakütle varyansı olsun. a ile b birer sabit sayı olmak üzere, V(a)=0 V(a)=a V()= a V(a+b)= a V()= a

37 MERKEZİ LİMİT TEOREMİ Şans değişkeni in dağılımı ne olursa olsun bu anakütleden alınan n hacimli örneklerden hesaplanan aritmetik ortalamanın dağılımı yaklaşık olarak normal dağılıma sahiptir. Örnek hacmi büyüdükçe aritmetik ortalamanın dağılımının normal dağılıma yakınsaması artar.

38 Şans Değişkenlerinin Standartlaştırılması Standart değişkenler genellikle z ile gösterilir. ortalaması sıfır, E(z)=0 Varyansı bir, V(Z)=1. z şans değişkeni-anakütle ortalaması anakütle standart sapması

39 BAZI ÖNEMLİ TAHMİNLEYİCİLER İÇİN ÖRNEKLEME DAĞILIMLARININ BELİRLENMESİ Aritmetik ortalama Örnek varyansı s Örnek oranı p

40 BİR DAĞILIMIN BELİRLENMESİ Dağılışın tipinin belirlenmesi, (Normal, Üstel, Poisson vb.) Dağılımın parametrelerinin belirlenmesi

41 ARİTMETİK ORTALAMA İÇİN ÖRNEKLEME DAĞILIMI Şans değişkeni anakütle ortalaması ve anakütle varyansı olsun. n i 1 i 1 n n n Cevaplanması gereken sorular Dağılımın tipi? Parametreleri; E?? V

42 DAĞILIMIN TİPİ Merkezi limit teoremine göre aritmetik ortalamanın dağılımı yaklaşık olarak normal dağılıma sahiptir. Normal dağılımın parametreleri: Anakütle ortalaması Anakütle varyansı

43 Dağılımın Parametreleri: Aritmetik Ortalama için Anakütle Ortalaması n 1 E E E E n n 1 n E n n i1 i E 1 n

44 Dağılımın Parametreleri: Aritmetik Ortalama için Anakütle Varyansı n 1 V V V V n n 1 n V n n V n i1 i 1 n

45 ARİTMETİK ORTALAMA İÇİN ÖRNEKLEME DAĞILIMI ~ ; N N ; n

46 Aritmetik Ortalamanın Standartlaştırılması z z - - n

47 Normal olmayan dağılışlardan örnekleme Merkezi eğilim Yayılma n Yerine koyarak örnekleme n = 4 X = 5 Anakütle dağılışı = 50 = 10 X Örnekleme dağılışı n =30 X = 1.8 X - = 50 X

48 Normal dağılış gösteren bir anakütleden örnekleme Merkezi eğilim Yayılma n Yerine konularak örnekleme n = 4 X = 5 Anakütle dağılışı = 50 = 10 X Örnekleme dağılışı n =16 X =.5 X - = 50 X

49 Merkezi limit teoremi Örnek hacmi yeterince büyükse (n 30)... n Örnekleme dağılışı hemen hemen normal olur. X

50 ÖRNEK 3 Telekom da çalışan bir uzman, uzun zaman yaptığı gözlemlerden, telefon konuşma sürelerinin (), = 8 dk. & = dk. olan normal dağılış gösterdiğini belirlemiştir. 5 görüşme rasgele seçilirse, örnek ortalamasının 7.8 & 8. dakika arasında çıkması olasılığı nedir? T/Maker Co.

51 Çözüm Z X n Örnekleme dağılışı Z X =.4 X n Standart Normal Dağılış = X Z

52 ÖRNEK ORANI: p Birbirinden bağımsız n adet Bernoulli Deneyinin bir araya gelmesi sonucunda başarı sayısı Binom Dağılımına sahiptir. Başarı olayının populasyon oranının bilinmediği durumlarda olasılık hesaplamaları için kullanacak dağılışı belirlemek bir problemdir olarak. Örnek olarak bir yeni ilin A partisi için oy oranının belirlenmesi veya yeni çıkan bir derginin tüm rakip dergiler dikkate alında satış yüzdesinin belirlenmesi verilebilir.

53 ÖRNEK ORANI: p Bu gibi örneklerde anakütle başarı olasılığını yi tahminlemek amacıyla populasyondan alınan örnekten elde edilen bilgiler doğrultusunda örnek oranı p hesaplanır. İlgilenilen başarı olasılığının nin bilinmediği durumlarda n hacimlik örnek alındığında ve örnekteki başarı sayısı olarak ele alındığında, örnekten elde edilen başarı olasılığı (örnek oranı); p n

54 ÖRNEK ORANI p İÇİN ÖRNEKLEME DAĞILIMI Şans değişkeni sabit n hacimli denemede ~B n; Örnek oranı: p n Cevaplanması gereken sorular Dağılımın tipi? Parametreleri; E p ortaya çıkan başarı sayısı olsun. p p? V p?

55 DAĞILIMIN TİPİ Merkezi limit teoremine göre örnek oranının dağılımı eğer n örnek hacmi yeterince büyük ise yaklaşık olarak normal dağılıma sahiptir. Bunun temel sebebi örnek oranının, n adet denemede ortaya çıkan ortalama başarı sayısını temsil etmesidir. Normal dağılımın parametreleri: Anakütle ortalaması Anakütle varyansı

56 Dağılımın Parametreleri: Örnek Oranı için Anakütle Ortalaması 1 E p E E n n n E p n E p Not: şans değişkeni binom dağılımına sahip olduğundan: E()=n

57 1 V p V V n n 1 n V p n 1 V p n Not: şans değişkeni binom dağılımına sahip olduğundan: V()=n(1-) Dağılımın Parametreleri: Örnek oranı için Anakütle Varyansı

58 ÖRNEK ORANI p İÇİN ÖRNEKLEME DAĞILIMI 1 p~ N ; N ; p p n

59 Örnek Oranının Standartlaştırılması z z p - p p p- 1 n

60 Örnek Hacminin Örnek Oranı Üzerindeki Etkisi Anakütle oranı sabitken örnek hacmi arttığında örnek oranının standart hatası küçülür. Aşağıdaki şekilde görüldüğü gibi örnek hacmi arttığında p in kendi ortalaması etrafında yoğunlaştığı görülmektedir. f( p ) n=400 n= p

61 ÖRNEK 4 Büyük bir populasyondan alınan 3 ölçüm ile ilgili örneğe dönersek başarı sayısının örnekte tek sayı gelme olayını göstermek üzere örnek oranının beklenen değerini ve varyansını bularak dağılımını elde ediniz.

62 ÖRNEK 4 p i 0/3 1/3 /3 3/3 p i 0/9 1/9 4/9 9/9 P(p i ) 8/7 1/7 6/7 1/7 E( p) pip pi E( p) p i E( p)

63 ÖRNEK 4 I. YÖNTEM 1 p V p n (1 ) 0.33(1 0.33) p n II. YÖNTEM ( ) ( ) E p p E p E p ( ) pip pi i E( p ) p E( p ) E( p) (0.33) 0.074

64 ÖRNEK 5 Gelirler Genel Müdürlüğü ne göre, bütün vergi beyannamelerinin % 75 i vergi iadesine yol açmaktadır. 100 beyannamelik bir rassal örneklem alınmıştır. a) Vergi iadesine yol açan beyannamelerin örneklem oranının ortalaması kaçtır? b) Örneklem oranının varyansı kaçtır? c) Örneklem oranının standart hatası kaçtır? d) Örneklem oranının 0,8 den büyük olma olasılığı kaçtır?

65 ÖRNEK 5 Çözüm: a) E( p) 0,75 b) (1 ) p n p 0,75(1 0,75) 0, c) Standart Sapma (ya da Standart Hata) p 0, ,0433 p

66 ÖRNEK 5 d) Pp ( 0,8)? p 0,8 P( p 0,8) P( ) p p 0,8 0,75 0,8 0,75 P( z ) P( z ) 0,0433 0,0433 Pz ( 1,15) 0,5 0,3749 0,151

67 Ki-Kare Dağılışı v = (n - 1) s n = örnek miktarı s = örnek varyansı = anakütle varyansı df = serbestlik derecesi = n 1=v

68 Ki-Kare Dağılışı Ki-kare dağılımının tek bir parametresi vardır: v Bu parametre genel olarak serbestlik derecesi olarak adlandırılır. v şeklinde gösterilir. Ki-kare dağılımı normal (standart normal) dağılıma sahip şans değişkenlerinden elde edlilir.

69 Ki-Kare Dağılışı Şans değişkenleri i ler normal dağılıma sahip olmak üzere, Örnek varyansı: s i n 1 1 i n s Eşitliğin her iki tarafı anakütle varyansına bölünerek n s 1 i n1

70 Ki-Kare Dağılışı Ki-kare şans değişeninin beklenen değeri: E v v Ki-kare şans değişeninin varyansı: V v v

71 Ki-kare istatistiğinin dağılışının özellikleri 1. ki-kare dağılışı simetrik değildir. Serbestlik derecesi arttıkça, dağılış daha simetrik hale gelir (normale yaklaşır) Simetrik değil df = 10 df = 0 0 Tüm değerler sıfır veya pozitif

72 Anakütle ortalaması ve anakütle varyansı olan bilinmeyen bir populasyondan 1,,, n ile gösterilen n adet rassal bir örnek alındığında populasyon varyansı aşağıdaki gibi bir beklenen değer ifadesine eşittir: ÖRNEK VARYANSININ ÖRNEKLEME DAĞILIMI E ( ) i Populasyon ortalaması varyansı aşağıdaki gibi tanımlanır. 1 s n ( i ) n 1 i1 bilinmediğinde yerine konularak örnek

73 ÖRNEK VARYANSININ ÖRNEKLEME DAĞILIMI Varyansı olan bir populasyondan alınan n hacimlik bir örneğin örnek varyansı n 1 s n1 s olarak ifade edildiğinde; n 1 s n 1

74 ÖRNEK VARYANSININ ÖRNEKLEME DAĞILIMI s nin örnekleme dağılımının ortalaması dir. E s n1 n 1 n1 n1 Es ( ) E

75 ÖRNEK VARYANSININ ÖRNEKLEME DAĞILIMI s nin örnekleme dağılımının varyansı, örnekleme dağılımın Ki- Kare dağılımına uygun olduğunu sonucundan hareketle ; n n V V s V n n n V s n 4 1 V s n

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.

Detaylı

11. Hafta Ders Notları BİR İSTATİSTİĞE DAİR FARKLI ÖRNEKLEMLERDEN ELDE EDİLEN DEĞERLERİN DAĞILIMI (SAMPLING DISTRIBUTION OF A STATISTIC)

11. Hafta Ders Notları BİR İSTATİSTİĞE DAİR FARKLI ÖRNEKLEMLERDEN ELDE EDİLEN DEĞERLERİN DAĞILIMI (SAMPLING DISTRIBUTION OF A STATISTIC) 11. Hafta Ders Notları BİR İSTATİSTİĞE DAİR FARKLI ÖRNEKLEMLERDEN ELDE EDİLEN DEĞERLERİN DAĞILIMI (SAMPLING DISTRIBUTION OF A STATISTIC) Hatırlanacağı üzere, bir anakütleye ait olan sayısal değerlere (örneğin

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

OLASILIK ve KURAMSAL DAĞILIMLAR

OLASILIK ve KURAMSAL DAĞILIMLAR OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine

Detaylı

Doç.Dr.İstem Köymen KESER

Doç.Dr.İstem Köymen KESER Doç.Dr.İstem Köymen KESER Güven Aralıkları Ortalama yada iki ortalama farkı için biliniyor bilinmiyor n30 n

Detaylı

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

İstatistiksel Yorumlama

İstatistiksel Yorumlama İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız

Detaylı

Appendix C: İstatistiksel Çıkarsama

Appendix C: İstatistiksel Çıkarsama Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık

Detaylı

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi

Detaylı

Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

Ders 6: Sürekli Olasılık Dağılımları

Ders 6: Sürekli Olasılık Dağılımları Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal

Detaylı

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik 6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında

Detaylı

BİYOİSTATİSTİK HİPOTEZ TESTLERİ

BİYOİSTATİSTİK HİPOTEZ TESTLERİ BİYOİSTATİSTİK HİPOTEZ TESTLERİ Doç. Dr. Mahmut AKBOLAT *Bir ana kütlenin herhangi bir özelliği hakkında karar vermek için ana kütledeki bütün elemanların ölçüme tabi tutulması en iyi yoldur. *Ana kütlenin

Detaylı

13. Olasılık Dağılımlar

13. Olasılık Dağılımlar 13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon

Detaylı

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal

Detaylı

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı... İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE

Detaylı

009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

İSTATİSTİK II. Hipotez Testleri 1

İSTATİSTİK II. Hipotez Testleri 1 İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 9: Prof. Dr. İrfan KAYMAZ Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa, NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına

Detaylı

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ DÜZGÜN DAĞILIM KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5 Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın

Detaylı

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

Örneklem Dağılımları ve Merkezi Limit Teoremi

Örneklem Dağılımları ve Merkezi Limit Teoremi Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli

Detaylı

AKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak

AKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

Ekonometri I VARSAYIMLARI

Ekonometri I VARSAYIMLARI Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:

Detaylı

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0 YTÜ-İktisat İstatistik II Hipotez Testi 1 HİPOTEZ TESTİ: AMAÇ: Örneklem bilgisinden hareketle anakütleye ilişkin olarak kurulan bir hipotezin (önsavın) geçerliliğinin test edilmesi Genel notasyon: anakütleye

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ OLASILIK DAĞILIMLARI SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

İSTATİSTİK-II. Korelasyon ve Regresyon

İSTATİSTİK-II. Korelasyon ve Regresyon İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında

Detaylı

İstatistiksel Tahmin ÜNİTE. Amaçlar. İçindekiler. Yazar Doç.Dr. Ahmet ÖZMEN

İstatistiksel Tahmin ÜNİTE. Amaçlar. İçindekiler. Yazar Doç.Dr. Ahmet ÖZMEN İstatistiksel Tahmin Yazar Doç.Dr. Ahmet ÖZMEN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; evren parametreleri hakkında yorum yapmayla ilgili iki yöntemden birisi olan evren parametrelerinin tahmin edilmesine

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir. 3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi

Detaylı

Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı

Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik

Detaylı

HİPOTEZ TESTLERİ HİPOTEZ NEDİR?

HİPOTEZ TESTLERİ HİPOTEZ NEDİR? HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen

Detaylı

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını

Detaylı

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın

Detaylı

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,

Detaylı

İSTATİSTİK-II. Korelasyon ve Regresyon

İSTATİSTİK-II. Korelasyon ve Regresyon İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında

Detaylı

BİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Güven Aralıkları 2 Güven Aralıkları

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız. .4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin

Detaylı

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel

Detaylı

Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN

Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 2.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

Detaylı

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir.

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. İSTATİSTİKSEL TAHMİNLEME Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. 1 ŞEKİL: Evren uzay-örneklem uzay İstatistiksel tahmin

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

ÖRNEKLEME TEORİSİ 1/30

ÖRNEKLEME TEORİSİ 1/30 ÖRNEKLEME TEORİSİ 1/30 NİÇİN ÖRNEKLEME Zaman Kısıdı Maliyeti Azaltma YAPILIR? Hata Oranını Azaltma Sonuca Ulaşma Hızı /30 Örnekleme Teorisi konusunun içinde, populasyondan örnek alınma şekli, örneklerin

Detaylı

X = 2 zarın üzerindeki sayıların toplamıdır. Bu durumda: ... Tüm olasılıkların toplamının 1 olması gerekmektedir. ...

X = 2 zarın üzerindeki sayıların toplamıdır. Bu durumda: ... Tüm olasılıkların toplamının 1 olması gerekmektedir. ... Rassal Değişkenler X = 2 zarın üzerindeki sayıların toplamıdır. Bu durumda P X = 2 = 36 P X = 3 = 2 36... P X = 2 = 36 Tüm olasılıkların toplamının olması gerekmektedir. Örnek p = Paranın tura gelme olasılığı

Detaylı

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ EKO 303 EKONOMETRİ I ALIŞTIRMALAR

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ EKO 303 EKONOMETRİ I ALIŞTIRMALAR ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ EKO 303 EKONOMETRİ I ALIŞTIRMALAR 1 2 3 4 5 6 1 7 8 9 10 10.1 11 10.2 2 12 13 14 15 16 17 3 18 19 20 21 22 23 4 24 25 26 27 28 5 29 30 31 32 33 34 6 35 36 37 37. 1 37. 2 37.

Detaylı

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini

Detaylı

DAĞILIM (DEĞİŞKENLİK) ÖLÇÜLERİ (MEASURES OF DISPERSION)

DAĞILIM (DEĞİŞKENLİK) ÖLÇÜLERİ (MEASURES OF DISPERSION) BİYOİSTATİSTİK DAĞILIM (DEĞİŞKENLİK) ÖLÇÜLERİ (MEASURES OF DISPERSION) B Doç. Dr. Mahmut AKBOLAT *Bazı serilerin ortalamaları eşit olmakla birlikte dağılımları (değişkenlikleri) farklı olabilir. *Örneğin,

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

İSTATİSTİK MHN3120 Malzeme Mühendisliği

İSTATİSTİK MHN3120 Malzeme Mühendisliği İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler

Detaylı

Hipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi

Hipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi ENM 52 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 4 Minitab da İstatiksel Çıkarım-I (Ortalamalar ve Oranlar İçin ) İstatistiksel Hipotezler İstatistiksel hipotez testi ve parametrelerin güven aralığı tahmini,

Detaylı

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

Detaylı

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1 1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste

Detaylı